近年来,可再生能源以分布式发电单元的形式引入到电力系统中,随着分布式发电单元的广泛应用,导致智能微网规模日益扩大,结构逐渐复杂化,可再生能源的加入给智能微网频率控制系统的运行和调度带来了新的考验。智能微网的频率控制通过将微网系统的频率偏差保持在零稳态误差内,实现微网系统电能产出与负载需求的均衡,在保障电力网络运行效率和频率稳定方面具有极其关键的作用,本文以智能微网为研究目标,针对频率控制问题,对系统的模型建立及控制策略进行了研究,主要内容如下:一、本文针对智能微网中的可再生能源间歇性、供需不平衡、频率波动等问题,设计出一种自适应广义分布平均积分（A-GDAI）控制器。所设计控制器的目标是在时钟漂移的情况下实现精确的稳态频率恢复,在保持系统稳定性的同时动态更新控制参数来应对不确定性;利用通信信道交换每个发电机的发电数据,实现发电机之间的最佳功率分配;并且在控制方案中引入一个附加控制器,确保负荷分配的经济性。通过与其他相关分布式控制方法的仿真比较,验证了所提控制方案的有效性。二、分析智能微网中的发电机和可控负载,给出一种新的分布式频率控制方案。该方案可以在发电和需求之间的有功功率失配后恢复标称频率,并实现预定的区域间净功率交换;同时,对所有可控单元的有功功率进行分布式优化协调;此外,该控制方案仅依赖于本地信息与网络连接总线之间的点对点通信,对不确定系统参数具有鲁棒性。通过算例验证了该控制方案的有效性。三、针对智能微网中的时变延迟和外部干扰,给出一种基于共识的二次频率控制器的设计方法。该控制器的设计准则是平衡独立的,运用基于区间快速变化延迟的Lyapunov-Krasovskii方法和描述符方法,确保了对时变通信延迟的鲁棒性,同时提供在L2增益性能与所需通信链路数量之间进行权衡的选项。通过在基准网络上的仿真实验,验证了该方法的有效性。四、讨论了一种基于强化学习的智能微网频率控制方案。该方案放宽了对系统的限制,不需要关于系统参数的先验信息,并且可以在系统存在负载阻抗、模型参数不确定性、时变负载和干扰的情况下实现频率同步;方案利用李雅普诺夫理论建立反馈控制,根据累积奖励定义性能函数,由评论家神经网络实时逼近性能函数;参与者神经网络同时学习非线性动力学的参数化近似,并优化从评论家网络获得的近似性能函数。通过模拟仿真,验证了该控制方案的有效性。最后,根据本文所做的工作内容进行归纳总结并给出对未来相关研究方向的展望。